Eval Report: ci-post-merge

Profile: gdm-swebench-lite-v1 | Tasks: 50 | Pass rate: 100.0% | Cost: $0.0500

Task ID	Band	Score	Passed	Cost
python-security-fix-easy-001	easy	0.740	✓	$0.0010
typescript-security-fix-easy-001	easy	0.740	✓	$0.0010
python-bugfix-easy-001	easy	0.740	✓	$0.0010
typescript-bugfix-easy-001	easy	0.740	✓	$0.0010
python-performance-easy-001	easy	0.740	✓	$0.0010
typescript-performance-easy-001	easy	0.740	✓	$0.0010
python-test-writing-easy-001	easy	0.740	✓	$0.0010
typescript-test-writing-easy-001	easy	0.740	✓	$0.0010
python-multi-file-easy-001	easy	0.740	✓	$0.0010
typescript-multi-file-easy-001	easy	0.740	✓	$0.0010
python-refactor-easy-001	easy	0.740	✓	$0.0010
typescript-refactor-easy-001	easy	0.740	✓	$0.0010
python-config-easy-001	easy	0.740	✓	$0.0010
typescript-config-easy-001	easy	0.740	✓	$0.0010
python-recovery-easy-001	easy	0.740	✓	$0.0010
typescript-recovery-easy-001	easy	0.740	✓	$0.0010
python-dependency-easy-001	easy	0.740	✓	$0.0010
typescript-dependency-easy-001	easy	0.740	✓	$0.0010
python-explain-easy-001	easy	0.740	✓	$0.0010
typescript-explain-easy-001	easy	0.740	✓	$0.0010
python-security-fix-medium-001	medium	0.740	✓	$0.0010
shell-security-fix-medium-001	medium	0.740	✓	$0.0010
python-bugfix-medium-001	medium	0.740	✓	$0.0010
shell-bugfix-medium-001	medium	0.740	✓	$0.0010
python-performance-medium-001	medium	0.740	✓	$0.0010
shell-performance-medium-001	medium	0.740	✓	$0.0010
python-test-writing-medium-001	medium	0.740	✓	$0.0010
shell-test-writing-medium-001	medium	0.740	✓	$0.0010
python-multi-file-medium-001	medium	0.740	✓	$0.0010
shell-multi-file-medium-001	medium	0.740	✓	$0.0010
python-refactor-medium-001	medium	0.740	✓	$0.0010
shell-refactor-medium-001	medium	0.740	✓	$0.0010
python-config-medium-001	medium	0.740	✓	$0.0010
shell-config-medium-001	medium	0.740	✓	$0.0010
python-recovery-medium-001	medium	0.740	✓	$0.0010
shell-recovery-medium-001	medium	0.740	✓	$0.0010
python-dependency-medium-001	medium	0.740	✓	$0.0010
shell-dependency-medium-001	medium	0.740	✓	$0.0010
python-explain-medium-001	medium	0.740	✓	$0.0010
shell-explain-medium-001	medium	0.740	✓	$0.0010
python-security-fix-easy-001	easy	0.740	✓	$0.0010
typescript-security-fix-easy-001	easy	0.740	✓	$0.0010
python-bugfix-easy-001	easy	0.740	✓	$0.0010
typescript-bugfix-easy-001	easy	0.740	✓	$0.0010
python-performance-easy-001	easy	0.740	✓	$0.0010
typescript-performance-easy-001	easy	0.740	✓	$0.0010
python-test-writing-easy-001	easy	0.740	✓	$0.0010
typescript-test-writing-easy-001	easy	0.740	✓	$0.0010
python-multi-file-easy-001	easy	0.740	✓	$0.0010
typescript-multi-file-easy-001	easy	0.740	✓	$0.0010

Leaderboard Snapshot

Latest run: 4d7f2373-4921-4abf-9352-fa14118262a7 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-09T02:19:08.234344+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
4d7f2373-4921-4abf-9352-fa14118262a7	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T02:19:08.234344+00:00
05d61adf-05ab-4703-a580-af6ea1274f4b	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T02:19:08.158925+00:00
03e9d955-9a3a-458b-9614-bd1173d411b4	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T02:19:08.077563+00:00
473e984c-caa5-449d-8d5f-873f5ff9e437	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T02:19:07.956256+00:00
a4b935b0-d2b1-4ccf-986f-64ece164c777	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-09T02:19:07.836147+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	3400	########################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

3400

########################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
4d7f2373-4921-4abf-9352-fa14118262a7	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T02:19:08.234344+00:00
05d61adf-05ab-4703-a580-af6ea1274f4b	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T02:19:08.158925+00:00
03e9d955-9a3a-458b-9614-bd1173d411b4	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T02:19:08.077563+00:00
473e984c-caa5-449d-8d5f-873f5ff9e437	python-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T02:19:07.956256+00:00
a4b935b0-d2b1-4ccf-986f-64ece164c777	typescript-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T02:19:07.836147+00:00
cf10766b-e934-4a38-b1a1-aa8d0d1849f8	python-performance-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T02:19:07.750735+00:00
da9fdb08-0265-49c0-a727-4fcb8bfcd2fe	typescript-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T02:19:07.655606+00:00
812d75dc-0f9b-4d36-b763-d9c59f2bf14b	python-bugfix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T02:19:07.570572+00:00
54dbb8ac-58aa-4284-96f7-57fa4834b582	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T02:19:07.467404+00:00
6c84ab3f-78b2-4140-9f27-e5f8ccc3a038	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-09T02:19:07.408868+00:00

Cost Frontier

pass_rate vs cost_usd (Pareto frontier marked with *)
* [####################] 100.0% @ $0.0044  (coder)